基于光、质谱分析及微生物组学技术推断死亡时间的实验研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    81730056
  • 项目类别:
    重点项目
  • 资助金额:
    295.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    H25.法医学
  • 结题年份:
    2022
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2022-12-31

项目摘要

Estimation of postmortem interval (PMI) is one of the most important tasks in forensic judicial identification. However, accuracy of existing methods used in practice has been limited and is susceptible to environmental factors. Therefore, it is possible to solve these problems with comprehensive biological methods for PMI estimation. In this study, temporal changes of functional groups and protein components from postmortem biological samples (including animals and human tissues and bloodstain) under different internal and external factors are investigated by using biospectroscopy and proteomics in order to establish models based on big data for PMI estimation; 16S rRNA genes and metagenomics sequencing methods are used for elucidating microbial succession in the body under different environmental factors and then potential biomarkers of succession time are identified by bioinformatics. Our study has potential to reveal the influence of environmental factors and causes of death on postmortem changes in biological samples, providing the theoretical fundamental for accurate PMI estimation.
死亡时间推断是法医学司法鉴定实践中的重点与难点,而现有死亡时间推断方法普遍存在准确性差、易受环境因素影响等问题,因此,综合利用生物学的新方法推断死亡时间可能是解决上述问题的重要途径。本项目拟在前期研究的基础上,采用光谱分析方法结合蛋白质组学技术,研究不同体内外因素影响下,生物检材(包括动物、人体组织样本以及血痕)的物质官能团化学以及蛋白质组学的时序性变化规律,建立推断死亡时间的大数据模型;同时应用16S rRNA测序及宏基因组测序技术,研究不同环境条件下死亡机体体内菌群的演替变化及其规律,采用生物信息学分析技术,筛查出具有时间演替变化特点的体内菌群特征性生物学标记物;本研究拟通过红外光谱学、蛋白质组学及死亡微生物组学技术阐释环境和死亡原因等体内外因素对死后生物样本变化的影响,结合并优化传统推断死亡时间的方法,为建立综合性推断死亡时间的多元体系奠定理论基础。

结项摘要

准确推断死亡时间是法医学鉴定的核心任务之一,也是公安侦查死亡案件的重要抓手,同时也是法医学工作者长期面临的难题。本课题以既往研究工作为基础,提出了基于光谱学、代谢组学和死亡微生物组学为主要手段的研究思路,并结合大数据与人工智能算法对数据进行处理,期望将死亡时间推断的准确性进行有效提升。. 课题组构建了多种不同死后条件下(温度、湿度、载体等)的动物及体液斑模型,以FTIR 光谱技术为重要手段,应用化学计量法对检测结果进行分析,获得死后不同组织、体液斑的死后时序性变化规律,建立了推断PMI的新算法模型。以质谱分析为基础的代谢组学则研究瞄准不同死因条件下的死后时序性变化,建立了复杂疑难死因诊断与死亡时间的关联质谱诊断系统,为研究复杂死后环境条件下的死因诊断建立了基础。在死亡微生物组学方面,聚焦尸体降解过程中实质器官菌群迁移规律,发现多种细菌不同时段出现于机体死后2天以上的器官中,菌群变化对于尸体各个降解阶段(15天内)的PMI推断均有意义。同时将AI算法引入数据分析,展示出良好的应用前景。. 在项目支持下,课题组研究水平上了新台阶。5年时间先后发表学术论文48篇,其中SCI收录45篇,在死亡时间推断研究方向课题组SCI论文数位居全球第一位。先后培养毕业博士研究生7名,硕士研究生5名。获批专利2项。项目组成员受邀在多个国内、国际学术交流会做大会报告或主持人,并受邀为复旦大学、中山大学、苏州大学、南京医科大学等单位做专题学术报告。. 在项目支持下,分别于2018、2019和2020年在西安举办了三次以“命案发生时间推断”为专题的学术研讨会,300余名国内同行和专家参会。受【法医学】杂志组稿邀请,出版了“命案发生时间推断”特刊,其中王振原教授领衔发表的文章获得2022年度中文高被引论文,公安和特种医学类论文引用第一位。根据办案单位的实际需求有所变化,王振原教授基于死亡后时序性尸体改变的研究基础上率先提出了“湮灭性损伤evanescent trauma”鉴识的新概念,这是中国法医学者罕有提出的原创概念。

项目成果

期刊论文数量(48)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(2)
Estimation of postmortem interval using attenuated total reflectance: Fourier transform infrared spectroscopy in adipose tissues
使用衰减全反射率估计死后间隔:脂肪组织中的傅里叶变换红外光谱
  • DOI:
    10.4103/jfsm.jfsm_47_18
  • 发表时间:
    2019-01
  • 期刊:
    Journal of Forensic Science and Medicine
  • 影响因子:
    --
  • 作者:
    Zhenyuan Wang;Haohui Zhang;Qi Wang;Kai Zhang;Ruina Liu;Shuanliang Fan
  • 通讯作者:
    Shuanliang Fan
The use of untargeted and widely targeted metabolomics to distinguish between asphyxia and sudden cardiac death as the cause of death in rats: A preliminary study
使用非靶向和广泛靶向代谢组学来区分大鼠死因窒息和心源性猝死:初步研究
  • DOI:
    10.1016/j.arabjc.2022.104322
  • 发表时间:
    2022-10
  • 期刊:
    Arabian Journal of Chemistry
  • 影响因子:
    6
  • 作者:
    Zhang Kai;Tuo Ya;Liu Ruina;Yan Hui Huang Pin;Xiang Ping;Wang Zhenyuan;Huang Pin
  • 通讯作者:
    Huang Pin
Estimation of the late postmortem interval using FTIR spectroscopy and chemometrics in human skeletal remains
使用 FTIR 光谱和化学计量学估计人类骨骼遗骸的死亡后期间隔
  • DOI:
    10.1016/j.forsciint.2017.10.033
  • 发表时间:
    2017-12-01
  • 期刊:
    FORENSIC SCIENCE INTERNATIONAL
  • 影响因子:
    2.2
  • 作者:
    Wang, Qi;Zhang, Yinming;Wang, Zhenyuan
  • 通讯作者:
    Wang, Zhenyuan
Exploring metabolic alterations associated with death from asphyxia and the differentiation of asphyxia from sudden cardiac death by GC-HRMS-based untargeted metabolomics
通过基于 GC-HRMS 的非靶向代谢组学探索与窒息死亡相关的代谢变化以及窒息与心源性猝死的区别
  • DOI:
    10.1016/j.jchromb.2021.122638
  • 发表时间:
    2021
  • 期刊:
    Journal of Chromatography B
  • 影响因子:
    --
  • 作者:
    Kai Zhang;Hui Yan;Ruina Liu;Ping Xiang;Kaifei Deng;Ji Zhang;Ya Tuo;Zhenyuan Wang;Ping Huang
  • 通讯作者:
    Ping Huang
Pathological and ATR-FTIR spectral changes of delayed splenic rupture and medical significance
迟发性脾破裂的病理和ATR-FTIR光谱变化及其医学意义
  • DOI:
    10.1016/j.saa.2022.121286
  • 发表时间:
    2022-05-05
  • 期刊:
    SPECTROCHIMICA ACTA PART A-MOLECULAR AND BIOMOLECULAR SPECTROSCOPY
  • 影响因子:
    4.4
  • 作者:
    Wu,Hao;Li,Zefeng;Wang,Zhenyuan
  • 通讯作者:
    Wang,Zhenyuan

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

高温环境下死亡大鼠肾傅里叶显微红外光谱变化
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    法医学杂志
  • 影响因子:
    --
  • 作者:
    邓恺飞;秦志强;黄平;王振原
  • 通讯作者:
    王振原
FTIR光谱结合数据挖掘方法构建死亡时间推断数学模型
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    法医学杂志
  • 影响因子:
    --
  • 作者:
    王磊;秦新潮;林汉成;邓恺飞;罗仪文;孙其然;杜秋香;王振原;托娅;孙俊红
  • 通讯作者:
    孙俊红
猪肋软骨和肋骨的ATR-FTIR光谱变化与死亡时间的关系
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    法医学杂志
  • 影响因子:
    --
  • 作者:
    林汉成;张吉;黄平;王振原
  • 通讯作者:
    王振原
应用FTIR光谱技术推断死亡时间
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    中国法医学杂志
  • 影响因子:
    --
  • 作者:
    黄平;王世伟;白杰;柯咏;樊拴良;张平;方杰;王振原
  • 通讯作者:
    王振原
大鼠电流损伤后血清丙氨酸氨基转移酶水平的变化
  • DOI:
    --
  • 发表时间:
    2011
  • 期刊:
    陕西医学杂志
  • 影响因子:
    --
  • 作者:
    刘慧通;杨艳丽;王乔峰;谢亚男;赵泽;李洋;王振原
  • 通讯作者:
    王振原

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

王振原的其他基金

Galanin system在吗啡成瘾记忆中的作用机制
  • 批准号:
    81471819
  • 批准年份:
    2014
  • 资助金额:
    72.0 万元
  • 项目类别:
    面上项目
基于现代光谱检测技术研究温度等关键因素对死亡时间推断的影响
  • 批准号:
    81273335
  • 批准年份:
    2012
  • 资助金额:
    70.0 万元
  • 项目类别:
    面上项目
傅里叶变换光谱技术推断死亡时间的实验研究
  • 批准号:
    81072509
  • 批准年份:
    2010
  • 资助金额:
    35.0 万元
  • 项目类别:
    面上项目
生物光子衰减与死亡时间的相关性研究
  • 批准号:
    30471935
  • 批准年份:
    2004
  • 资助金额:
    21.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码